探讨网络微博网络信息流影响因素

论文导读：本原理464.2数据收集46-484.3社会网络浅析与信息流数据浅析48-51第5章结果与讨论51-735.1社会网络浅析与信息流概况51-605.1.1用户网络样本概况515.1.2信息流样本概况51-525.1.3中心度浅析52-565.1.4连接浅析56-575.1.5K核浅析（K值）57-605.2节点中心度对信息流的影响60-625.3间距中心度对信息流的影响62-645.4
摘要：作为一个庞大的信息交互平台，微博客系统的巨大商业价值正日益受到重视，而怎样提升信息传播能力也成为了重要的探讨不足。现有探讨主要集中在简单的网络结构浅析或者是基于理想论述模型的信息流浅析，目前还未能为制约微博系统中的信息流传播提供可靠的探讨成果。由此，本探讨希望通过真实的用户网络数据和信息流数据浅析微博客系统中的用户网络的结构参数对于信息传播历程的影响。探讨共分为4个阶段。第一阶段通过文献和论述回顾，总结了5个指标用来衡量网络结构特性，并建立了6个指标衡量信息传播效果，同时对于结构性指标对信息传播指标所可能产生的潜在影响提出假设。第二阶段收集了由26347个节点及998360个用户间连接联系所组成的用户网络，并追踪了150条信息路径。第三阶段运用社会网络浅析策略，对收集的用户网络进行浅析，计算各结构性指标。第四阶段浅析了不同网络的结构性参数对信息流传播的影响。探讨的主要成果如下：（1）节点中心度是衡量节点信息散布能力最重要的指标；间距中心度是衡量个体“中继”信息能力的最好指标；而对于紧密中心度，只有在高于网络中紧密中心度百分比间距80%时，才具有评判个体单位距离内传播信息效率的能力。（2）弱连接是非常重要的信息传递桥梁，在信息传播的路径上它会同时制约更多的节点和级数。但强连接依然在较为紧密的用户群内部起着传递信息的作用。（3）在微博网络中，尽管有着结构上的核，但它对信息的流转和制约力较弱。发生这种情况的理由可能是微博网络中用户行为的不确定性与大量小团体结构的有着。（4）比较三种中心度指标，间距中心度对于信息的投放选择是最重要的。关键词：微博客论文信息传播论文社会网络论文网络结构论文病毒式营销论文
本论文由www.7ctime.com,需要论文可以联系人员哦。摘要4-5
Abstract5-11
第1章 引言11-13
第2章 文献综述13-39

2.1 微博客系统13-16

2.

1.1 微博客系统概述13-14

2.

1.2 微博客系统特性与基本功能14-15

2.

1.3 微博网络的商业方式15-16

2.2 病毒式营销16-24

2.1 病毒式营销概述16-18

2.2 病毒式营销的关键要素18-19

2.3 喷嚏者的特性及分类19-20

2.4 病毒信息的传播方式20-23

2.5 病毒式营销的播种对策23-24

2.3 社会网络浅析（SNA）24-34

2.3.1 社会网络浅析概述24-25

2.3.2 社会网络分类及要素25

2.3.3 社会网络浅析策略、评价指标25-28

2.3.4 数据类型与数据收集策略28-29

2.3.5 中心度浅析29-30

2.3.6 子群浅析30-33

2.3.7 在线社会网络的类型与特性33-34

2.4 基于社会网络的信息传播探讨34-39

2.4.1 局部性结构指标34-36

2.4.2 全局性结构指标36-39

第3章 探讨框架39-46

3.1 探讨框架39-43

3.

1.1 基于社会网络浅析的结构性指标定义40

3.

1.2 基于流动方式的信息流测量指标定义40-43

3.3 假设探讨43-46

3.1 节点中心度43-44

3.2 间距中心度44

3.3 紧密中心度44

3.4 连接强度44

3.5 K 值44-45

3.6 三种中心度指标的比较45-46

第4章 探讨策略46-51

4.1 基本原理46

4.2 数据收集46-48

4.3 社会网络浅析与信息流数据浅析48-51

第5章 结果与讨论51-73

5.1 社会网络浅析与信息流概况51-60

5.

1.1 用户网络样本概况51

5.

1.2 信息流样本概况51-52

5.

1.3 中心度浅析52-56

5.

1.4 连接浅析56-57

5.

1.5 K 核浅析（K 值）57-60

5.2 节点中心度对信息流的影响60-62

5.3 间距中心度对信息流的影响62-64

5.4 紧密中心度对信息流的影响64-65

5.5 连接强度对信息流的影响65-67

5.6 核（K 值）对信息流的影响67-69

5.7 三种中心度比较探讨69-73

第6章 结论与展望73-77

6.1 结论73-75

6.

1.1 网络结构性指标对信息流的影响73-74

6.

1.论文导读：

2 病毒式营销的对策的倡议74-75

6.2 探讨局限性75

6.3 未来探讨方向75-77

参考文献77-82
致谢82-83
附录 A 原始数据83-85
A.1 用户网络数据示例（稀疏矩阵形式）83-84
A.2 信息流数据样例（Tree Pattern 形式）84-85
附录 B 用户网络浅析结果85-89
B.1 网络结构概况85
B.2 中心度浅析示例85-86
B.3 中心度浅析汇总86-87
B.4 核浅析结果样例87-88
B.5 核浅析结果汇总88
B.6 成分浅析、P 子群及权利中心浅析结果汇总88-89
附录 C 信息流浅析结果89-107
C.1 基于节点中心度的因素浅析89-93
C.2 基于间距中心度的因素浅析93-97
C.3 基于紧密中心度的因素浅析97-101
C.4 基于连结强度的因素浅析101-102
C.5 基于 K 值的因素浅析102-106
C.6 三种中心度比较因素浅析106-107
附录 D 信息流浅析源代码（Matlab M 文件）107-130
D.1 基础节点信息对应信息流指标计算程序107-112
D.2 基础中心度对应信息流指标计算程序112-115
D.3 基础中心度对应信息流指标过度计算程序115-117
D.4 中心度百分比对应信息流指标过度计算程序117-122
D.5 原始数据预处理程序 1122-124
D.6 原始数据预处理程序 2124-128
D.7 输出程序128-130
附录 E 数据拟合源代码（Matlab M 文件）130-147
E.1 基础模型拟合130-136
E.2 Stepwise 模型拟合136-140
E.3 三种中心度拟合140-147
附录 F 全部数据基础模型基础拟合结果147-177
F.1 节点中心度-微博平均发布数量（NBP）147-149
F.2 节点中心度-一级散布个数比（AARBFFL）149-151
F.3 节点中心度-制约节点数加权平均值（WARNC）151-153
F.4 节点中心度-覆盖率距离比（AACR）153-155
F.5 间距中心度-制约层级比（AARLC）155-157
F.6 间距中心度-制约节点数比（AARNC）157-159
F.7 间距中心度-制约节点数加权平均值（WARNC）159-161
F.8 间距中心度-覆盖率距离比（AACR）161-163
F.9 紧密中心度-覆盖率距离比（AACR）163-165
F.10 紧密中心度-制约节点数比加权平均值（WARNC）165-167
F.11 连接强度-制约节点数比加权平均值（WARNC）167-169
F.12 连接强度-制约层级比（AARLC）169-171
F.13 K 值-制约节点数比加权平均（WARNC）171-173
F.14 K 值-制约节点数比（AARNC）173-175
F.15 K 值-制约节点数比（AARLC）175-177
个人简历、在学期间发表的学术论文与探讨成果177